MIT-微分方程和线性代数笔记（四）.pdfVIP

麻省理工学院公开课 MIT OpenCourseWare 微分方程与线性代数 Differential Equations and Linear Algebra Gilbert Strang 第五单元 向量空间和子空间 Unit 5 Vector Spaces and Subspaces §5.1 矩阵的列空间 §5.4 线性无关、基和维度 §5.5 线性代数的基本图像 §5.6 图 §5.6b 图的关联矩阵 douTintin14     1    §5.1 矩阵的列空间 The Column Space of a  Matrix  如果面对的不是一个单独的微分方程，而是微分方程组，则我们需要矩阵工具 帮助来完成计算。这不是一门线性代数的课程，MIT 有课号为 18.06 的线性代数网 络公开课，但这里我们需要介绍一些线性代数的知识。 矩阵与向量的乘法是这里的核心概念之一： 1 1 2 v 1 1 2         1         Av 1 2 3 v v 1 v 2 v 3 2 1 2 1                 1 2 3 v 1 2 3 3         列 1 列 2 列 3 这就是所谓矩阵乘法的列图像，所得结果为矩阵 A 列向量的“线性组合”。矩 阵 A 对每一个输入向量 v 都可以得到一个输出向量 Av ，如果遍历所有可能的v ， 则所有的输出向量构成的集合就是矩阵 A 列向量的所有线性组合，称之为矩阵 A 的 列空间 C(A)。 但是就这个矩阵 A 而言，所有的 Av 不会充满整个三维空间，因为它的列向量 中，第三列本身就是第一列和第二列的线性组合，因此 v3 乘以第三个列向量所得结 果本来就可以用第一和第二列的线性组合来表示，所以第三个列向量与前两个列向 量“线性相关”，而Av 所得结果只是两个列向量的线性组合，而两个列向量的线性 组合在三维空间中只能张成一个平面，即列空间 C(A)为三维中的一个平面。 对于线性方程 Av =b 是否有解的问题，其等价问题就是 b 是否是矩阵 A 的列 向量的线性组合，或者说 b 是否在矩阵 A 的列空间 C(A)之中，若在则方程有解， 否则无解。 另一个线性代数的重要问题就是